Khử tương quan các phép đo hạt bằng PCA
Ở bài trước, bạn đã thấy rằng các phép đo chiều rộng và chiều dài của hạt có tương quan với nhau. Bây giờ, bạn sẽ dùng PCA để khử tương quan các phép đo này, sau đó vẽ các điểm đã khử tương quan và đo hệ số tương quan Pearson của chúng.
Bài tập này là một phần của khóa học
Unsupervised Learning bằng Python
Hướng dẫn bài tập
- Import
PCAtừsklearn.decomposition. - Tạo một thể hiện
PCAđặt tên làmodel. - Dùng phương thức
.fit_transform()củamodelđể áp dụng phép biến đổi PCA lêngrains. Gán kết quả chopca_features. - Phần mã tiếp theo để trích xuất, vẽ và tính tương quan Pearson của hai cột đầu tiên trong
pca_featuresđã được viết sẵn, nên hãy nhấn gửi để xem kết quả!
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import PCA
____
# Create PCA instance: model
model = ____
# Apply the fit_transform method of model to grains: pca_features
pca_features = ____
# Assign 0th column of pca_features: xs
xs = pca_features[:,0]
# Assign 1st column of pca_features: ys
ys = pca_features[:,1]
# Scatter plot xs vs ys
plt.scatter(xs, ys)
plt.axis('equal')
plt.show()
# Calculate the Pearson correlation of xs and ys
correlation, pvalue = pearsonr(xs, ys)
# Display the correlation
print(correlation)